Google发布Gemini 3.6 Flash，网友吐槽省token不省智商
Google一口气推出三款新模型：Gemini 3.6 Flash、3.5 Flash-Lite以及专攻网络安全的3.5 Flash Cyber，主打更高效、更便宜、更省token。官方数据显示，3.6 Flash比前代3.5 Flash少用17%输出token，价格从每百万token输出9美元降至7.5美元，代码能力等基准测试也有所提升。然而，网友并不买账。第三方评测机构指出，3.6 Flash的智能水平与3.5 Flash基本持平，但成本高于竞品GPT-5.6 Sol等，性价比尴尬。实测用户反映新模型存在基础解码错误、中文选词离谱、生成质量差等问题，甚至有人质疑Google为节省算力而降低性能，以便将资源出售给Anthropic。这一波发布不仅未能挽回市场信心，反而加剧了“Gemini智商下降”的调侃，背后还有旗舰跳票、人才流失等隐忧。 #Google #Gemini #模型发布 #AI #科技新闻 #网友吐槽 #性价比 #大模型 #3.6Flash
Google一口气推出三款新模型：Gemini 3.6 Flash、3.5 Flash-Lite以及专攻网络安全的3.5 Flash Cyber，主打更高效、更便宜、更省token。官方数据显示，3.6 Flash比前代3.5 Flash少用17%输出token，价格从每百万token输出9美元降至7.5美元，代码能力等基准测试也有所提升。然而，网友并不买账。第三方评测机构指出，3.6 Flash的智能水平与3.5 Flash基本持平，但成本高于竞品GPT-5.6 Sol等，性价比尴尬。实测用户反映新模型存在基础解码错误、中文选词离谱、生成质量差等问题，甚至有人质疑Google为节省算力而降低性能，以便将资源出售给Anthropic。这一波发布不仅未能挽回市场信心，反而加剧了“Gemini智商下降”的调侃，背后还有旗舰跳票、人才流失等隐忧。 #Google #Gemini #模型发布 #AI #科技新闻 #网友吐槽 #性价比 #大模型 #3.6Flash
Google 一口气发布三款 Gemini 模型，Gemini 3.6 Flash 成为新主力
据媒体报道，Google 近日一次性推出三款 Gemini 系列大模型，其中 Gemini 3.6 Flash 被定位为主力产品。该模型在兼顾性能与效率的同时，在编程、逻辑推理和多模态理解等关键能力上实现显著提升。另外两款新模型分别面向轻量化部署和智能体（Agent）应用场景，旨在覆盖从端侧推理到复杂任务自动化等多元需求。此举标志着 Google 在 AI 大模型领域加速产品线扩充，以应对日益激烈的行业竞争，并推动开发者生态建设。 #Google #Gemini #大模型 #AI #科技 #Gemini3.6Flash #Agent #编程
据媒体报道，Google 近日一次性推出三款 Gemini 系列大模型，其中 Gemini 3.6 Flash 被定位为主力产品。该模型在兼顾性能与效率的同时，在编程、逻辑推理和多模态理解等关键能力上实现显著提升。另外两款新模型分别面向轻量化部署和智能体（Agent）应用场景，旨在覆盖从端侧推理到复杂任务自动化等多元需求。此举标志着 Google 在 AI 大模型领域加速产品线扩充，以应对日益激烈的行业竞争，并推动开发者生态建设。 #Google #Gemini #大模型 #AI #科技 #Gemini3.6Flash #Agent #编程
芯华章发布Agentic EDA底座及双智能系统
在第三届CCF芯片大会上，芯华章推出智能验证系统X-IVS与智能设计系统X-IDS，以及GalaxSim Turbo 3.0 Plus高速仿真方案。此次发布标志着芯华章在EDA 2.0路径上取得关键突破，基于“证据闭环”理念，将AI Agent深度融入芯片验证与设计流程。X-IVS融合仿真、调试、形式验证Agent，X-IDS可自动修复不可综合C语法并驱动PPA优化，实测96%测试案例达到可综合且功能正确。GalaxSim Turbo 3.0 Plus创新融合形式验证结果反向赋能仿真，帮助客户将仿真周期从3天压缩至1天。同时，芯华章与无问芯穹联合推出EDA AI一体机，支持国产算力与智能EDA协同，已完成对DeepSeek、智谱等主流开源大模型的适配。 #芯华章 #EDA #AI #智能验证 #芯片设计 #AgenticEDA #半导体 #科技新闻
在第三届CCF芯片大会上，芯华章推出智能验证系统X-IVS与智能设计系统X-IDS，以及GalaxSim Turbo 3.0 Plus高速仿真方案。此次发布标志着芯华章在EDA 2.0路径上取得关键突破，基于“证据闭环”理念，将AI Agent深度融入芯片验证与设计流程。X-IVS融合仿真、调试、形式验证Agent，X-IDS可自动修复不可综合C语法并驱动PPA优化，实测96%测试案例达到可综合且功能正确。GalaxSim Turbo 3.0 Plus创新融合形式验证结果反向赋能仿真，帮助客户将仿真周期从3天压缩至1天。同时，芯华章与无问芯穹联合推出EDA AI一体机，支持国产算力与智能EDA协同，已完成对DeepSeek、智谱等主流开源大模型的适配。 #芯华章 #EDA #AI #智能验证 #芯片设计 #AgenticEDA #半导体 #科技新闻
谷歌发布两款轻量AI模型，旗舰Gemini 3.5 Pro继续难产
谷歌在未预告的情况下，悄然推出了Gemini 3.6 Flash和Gemini 3.5 Flash-Lite两款新模型。前者专注于提升编码、推理和Agent能力，通过减少输出token降低运行成本，目标是为Agent服务提供高效方案；后者则是更轻量、更快速的版本，在部分Agent和代码测试中性能甚至超越上一代旗舰模型。然而，备受期待的旗舰模型Gemini 3.5 Pro却迟迟未上线，原计划6月推出，至今已推迟数周。据悉，谷歌仍在优化模型能力，尤其是编码表现。市场分析认为，谷歌此举意在抢占轻量级AI应用市场，但旗舰模型的缺席可能影响其在高端AI领域的竞争力。 #谷歌 #AI模型 #Gemini #科技新闻 #人工智能
谷歌在未预告的情况下，悄然推出了Gemini 3.6 Flash和Gemini 3.5 Flash-Lite两款新模型。前者专注于提升编码、推理和Agent能力，通过减少输出token降低运行成本，目标是为Agent服务提供高效方案；后者则是更轻量、更快速的版本，在部分Agent和代码测试中性能甚至超越上一代旗舰模型。然而，备受期待的旗舰模型Gemini 3.5 Pro却迟迟未上线，原计划6月推出，至今已推迟数周。据悉，谷歌仍在优化模型能力，尤其是编码表现。市场分析认为，谷歌此举意在抢占轻量级AI应用市场，但旗舰模型的缺席可能影响其在高端AI领域的竞争力。 #谷歌 #AI模型 #Gemini #科技新闻 #人工智能
谷歌发布 Gemini 3.6 Flash 等三款新模型，主推极致性价比
在第二季度财报即将公布之际，谷歌一口气推出三款Gemini系列新模型，包括Gemini 3.6 Flash、Gemini 3.5 Flash-Lite以及专为网络安全设计的Gemini 3.5 Flash Cyber。其中，3.6 Flash和Flash-Lite即日起已通过Gemini API、Google AI Studio及企业版等渠道开放使用，Flash-Lite还将登陆Google搜索。面对旗舰模型3.5 Pro开发进度受阻、竞争对手步步紧逼的局面，谷歌选择将筹码押在性价比上，试图以更经济的模型吸引更多开发者与企业用户。此举也被视为谷歌在AI军备竞赛中调整策略的重要信号。 #谷歌 #Gemini #AI模型 #性价比 #财报 #网络安全 #科技新闻
在第二季度财报即将公布之际，谷歌一口气推出三款Gemini系列新模型，包括Gemini 3.6 Flash、Gemini 3.5 Flash-Lite以及专为网络安全设计的Gemini 3.5 Flash Cyber。其中，3.6 Flash和Flash-Lite即日起已通过Gemini API、Google AI Studio及企业版等渠道开放使用，Flash-Lite还将登陆Google搜索。面对旗舰模型3.5 Pro开发进度受阻、竞争对手步步紧逼的局面，谷歌选择将筹码押在性价比上，试图以更经济的模型吸引更多开发者与企业用户。此举也被视为谷歌在AI军备竞赛中调整策略的重要信号。 #谷歌 #Gemini #AI模型 #性价比 #财报 #网络安全 #科技新闻
新方法利用动态模态分解分离气候强迫与内部变率
来自科罗拉多大学博尔德分校的研究人员Nathan Mankovich等近日在arXiv上提交论文，提出一种基于带控制的动态模态分解（DMDc）的新方法，可从单一气候模拟实现中有效分离强迫信号和内部变率。传统上，区分人为外强迫（如温室气体排放）与自然内部变率需要大量集合模拟，耗费计算资源。该研究利用DMDc技术，在单次实现中就能完成这一任务，显著提高了效率。该方法通过识别控制输入（如辐射强迫）与系统动态之间的关系，精确提取出外部驱动和内部波动成分。这一进展有助于更准确地理解气候变化归因，并改进气候预测模型。 #气候变化 #气候变率 #动态模态分解 #DMDc #外强迫 #内部变率 #气候模拟 #科学方法 #arXiv论文
来自科罗拉多大学博尔德分校的研究人员Nathan Mankovich等近日在arXiv上提交论文，提出一种基于带控制的动态模态分解（DMDc）的新方法，可从单一气候模拟实现中有效分离强迫信号和内部变率。传统上，区分人为外强迫（如温室气体排放）与自然内部变率需要大量集合模拟，耗费计算资源。该研究利用DMDc技术，在单次实现中就能完成这一任务，显著提高了效率。该方法通过识别控制输入（如辐射强迫）与系统动态之间的关系，精确提取出外部驱动和内部波动成分。这一进展有助于更准确地理解气候变化归因，并改进气候预测模型。 #气候变化 #气候变率 #动态模态分解 #DMDc #外强迫 #内部变率 #气候模拟 #科学方法 #arXiv论文
隐藏曲率的代价：赌博凸优化的Ω̃(d^{5/4}√T)下界
赌博凸优化是机器学习中的重要范式，其难点在于学习器仅能通过损失函数值进行决策，无法获取梯度信息。近日，一篇提交至arXiv的论文提出了该领域的一个新下界。作者Nived Rajaraman证明了，在考虑隐藏曲率的情况下，任何算法在维度为d、时间范围为T的问题上，其累积遗憾至少为Ω̃(d^{5/4}√T)。这一结果显著改进了此前已知的下界，揭示了曲率结构对在线优化问题本质难度的影响，为设计更高效、更具鲁棒性的算法提供了理论基准。该论文于2026年7月发布，并已开放PDF全文。 #赌博凸优化 #下界 #机器学习 #理论计算机科学 #优化 #曲率 #遗憾界 #arXiv
赌博凸优化是机器学习中的重要范式，其难点在于学习器仅能通过损失函数值进行决策，无法获取梯度信息。近日，一篇提交至arXiv的论文提出了该领域的一个新下界。作者Nived Rajaraman证明了，在考虑隐藏曲率的情况下，任何算法在维度为d、时间范围为T的问题上，其累积遗憾至少为Ω̃(d^{5/4}√T)。这一结果显著改进了此前已知的下界，揭示了曲率结构对在线优化问题本质难度的影响，为设计更高效、更具鲁棒性的算法提供了理论基准。该论文于2026年7月发布，并已开放PDF全文。 #赌博凸优化 #下界 #机器学习 #理论计算机科学 #优化 #曲率 #遗憾界 #arXiv
代数签名
近日，一篇题为《Algebraic Signatures for Structural Learning in Probability Tensors》的学术论文在arXiv平台发布。该研究由Akihiro Maeda等人共同完成，提出了一种利用代数签名（Algebraic Signatures）来学习概率张量结构的新方法。概率张量广泛应用于机器学习和统计学领域，但其结构学习面临计算复杂度和可解释性挑战。该研究通过引入代数工具，旨在更高效地揭示高维概率张量中的潜在结构，有望推动张量分解、图模型学习等相关领域的发展。目前论文以PDF和HTML形式公开，并开放TeX源码和许可信息。 #arXiv #机器学习 #概率张量 #代数签名 #结构学习 #科研论文 #AI #数据科学
近日，一篇题为《Algebraic Signatures for Structural Learning in Probability Tensors》的学术论文在arXiv平台发布。该研究由Akihiro Maeda等人共同完成，提出了一种利用代数签名（Algebraic Signatures）来学习概率张量结构的新方法。概率张量广泛应用于机器学习和统计学领域，但其结构学习面临计算复杂度和可解释性挑战。该研究通过引入代数工具，旨在更高效地揭示高维概率张量中的潜在结构，有望推动张量分解、图模型学习等相关领域的发展。目前论文以PDF和HTML形式公开，并开放TeX源码和许可信息。 #arXiv #机器学习 #概率张量 #代数签名 #结构学习 #科研论文 #AI #数据科学
使用不精确分数的采样可处理性研究
一篇由Anming Gu、Kevin Tian、Hubert Yang和Yusong Zhu共同撰写的学术论文《The Tractability Landscape of Sampling with Inexact Scores》已通过arXiv预印本平台发布。该研究聚焦于在分数（scores）不精确的情况下进行采样的计算复杂性理论问题，系统刻画了不同误差水平下采样算法的可处理性边界。论文探讨了当模型提供的分数存在近似误差时，如何保障采样过程的准确性和效率，这对于当前依赖分数函数（如扩散模型中的评分匹配）的生成式AI算法具有重要理论指导意义。该工作为理解近似采样算法的可行性提供了严谨的理论框架，有望推动机器学习与统计计算领域的发展。 #arXiv #论文 #采样 #机器学习 #统计 #扩散模型 #生成模型 #理论计算
一篇由Anming Gu、Kevin Tian、Hubert Yang和Yusong Zhu共同撰写的学术论文《The Tractability Landscape of Sampling with Inexact Scores》已通过arXiv预印本平台发布。该研究聚焦于在分数（scores）不精确的情况下进行采样的计算复杂性理论问题，系统刻画了不同误差水平下采样算法的可处理性边界。论文探讨了当模型提供的分数存在近似误差时，如何保障采样过程的准确性和效率，这对于当前依赖分数函数（如扩散模型中的评分匹配）的生成式AI算法具有重要理论指导意义。该工作为理解近似采样算法的可行性提供了严谨的理论框架，有望推动机器学习与统计计算领域的发展。 #arXiv #论文 #采样 #机器学习 #统计 #扩散模型 #生成模型 #理论计算